Trabajo Práctico N°1: “Geoprocesamiento”

El csv descargado y con el que vamos a trabajar es el de “Cruces Semaforizados”

library(tidyverse)

## -- Attaching packages --------------------------------------- tidyverse 1.3.0 --

## v ggplot2 3.3.0     v purrr   0.3.3
## v tibble  2.1.3     v dplyr   0.8.4
## v tidyr   1.0.2     v stringr 1.4.0
## v readr   1.3.1     v forcats 0.5.0

## -- Conflicts ------------------------------------------ tidyverse_conflicts() --
## x dplyr::filter() masks stats::filter()
## x dplyr::lag()    masks stats::lag()

library(sf)

## Linking to GEOS 3.6.1, GDAL 2.2.3, PROJ 4.9.3

library(readxl)

Geolocalización de los Cruces semaforizados

semaforizados <- read.csv("D:/Documents/01-Ditella/Ciencia de Datos2/Clase 1/cruces-semaforizados.csv",stringsAsFactors = FALSE,
                   encoding = "UTF-8") %>% 
  filter(comuna!="")


names(semaforizados)

##  [1] "long"                    "lat"                    
##  [3] "n_cruce"                 "id_codigo"              
##  [5] "fecha_inau"              "anio_inau"              
##  [7] "dom_orig"                "dom_norma"              
##  [9] "origen"                  "observ"                 
## [11] "nro_nva"                 "instala"                
## [13] "horario"                 "fecha_fina"             
## [15] "id_usig"                 "objeto"                 
## [17] "calle_nombre"            "calle_altura"           
## [19] "barrio"                  "comuna"                 
## [21] "codigo_postal"           "codigo_postal_argentino"

radios <- st_read("https://bitsandbricks.github.io/data/CABA_rc.geojson")

## Reading layer `CABA_rc' from data source `https://bitsandbricks.github.io/data/CABA_rc.geojson' using driver `GeoJSON'
## Simple feature collection with 3554 features and 8 fields
## geometry type:  MULTIPOLYGON
## dimension:      XY
## bbox:           xmin: -58.53092 ymin: -34.70574 xmax: -58.33455 ymax: -34.528
## CRS:            4326

barrios_geo <- radios %>% 
    group_by(BARRIO) %>% 
    summarise(POBLACION = sum(POBLACION),
              VIVIENDAS = sum(VIVIENDAS),
              HOGARES = sum(HOGARES),
              HOGARES_NBI = sum(HOGARES_NBI),
              AREA_KM2 = sum(AREA_KM2))
plot(barrios_geo)

semaforizados$comuna = factor(semaforizados$comuna, levels=c("Comuna 1", "Comuna 2","Comuna 3","Comuna 4","Comuna 5","Comuna 6","Comuna 7","Comuna 8", "Comuna 9", "Comuna 10", "Comuna 11", "Comuna 12", "Comuna 13", "Comuna 14", "Comuna 15"))
levels(semaforizados$comuna)

##  [1] "Comuna 1"  "Comuna 2"  "Comuna 3"  "Comuna 4"  "Comuna 5"  "Comuna 6" 
##  [7] "Comuna 7"  "Comuna 8"  "Comuna 9"  "Comuna 10" "Comuna 11" "Comuna 12"
## [13] "Comuna 13" "Comuna 14" "Comuna 15"

semaforizados_grafico <- semaforizados %>% 
        group_by(barrio, comuna) %>% 
    summarise(total = n ()) %>% 
filter(barrio!="") %>% 
arrange(desc(total))
head(semaforizados_grafico)

## # A tibble: 6 x 3
## # Groups:   barrio [6]
##   barrio    comuna    total
##   <chr>     <fct>     <int>
## 1 Palermo   Comuna 14   314
## 2 Balvanera Comuna 3    227
## 3 Recoleta  Comuna 2    217
## 4 Caballito Comuna 6    188
## 5 Flores    Comuna 7    187
## 6 Almagro   Comuna 5    160

options(scipen = 999)
ggplot(semaforizados_grafico) +
    geom_bar(aes(x = reorder (barrio,total), weight = total, fill=comuna), alpha=0.8) +
coord_flip()+
     theme(axis.text = (size=0.01))+
    labs(title = "Cantidad de cruces semaforizados por Barrio",
         subtitle = "Ciudad Autónoma de Buenos Aires, 2020",
         caption = "Fuente: portal de datos abiertos de la Ciudad - http://data.buenosaires.gob.ar",
         x = "Barrio",
         y = "Cantidad",
         fill = "Motivo del contacto")+
         theme_minimal()

El error que se visualiza en el gráfico para mostrar en orden descendente los barrios, tiene que ver porque algunos de los mismos presentan cruces semafóricos en dos comunas.

ggplot() +
    geom_sf(data = barrios_geo, color="black", fill="azure2") +
    geom_point(data = semaforizados, 
               aes(x = long, y = lat, color = comuna), alpha = .4)+
labs(title = "Geolocalización de cruces semaforizados por Comuna",
              subtitle = "Ciudad Autónoma de Buenos Aires, 2020",
         caption = "Fuente: portal de datos abiertos de la Ciudad - http://data.buenosaires.gob.ar",
       y = "",
       x = "")

comunas <- st_read('https://bitsandbricks.github.io/data/CABA_comunas.geojson')

## Reading layer `CABA_comunas' from data source `https://bitsandbricks.github.io/data/CABA_comunas.geojson' using driver `GeoJSON'
## Simple feature collection with 15 features and 4 fields
## geometry type:  MULTIPOLYGON
## dimension:      XY
## bbox:           xmin: -58.53152 ymin: -34.70529 xmax: -58.33514 ymax: -34.52754
## CRS:            4326

head(comunas)

## Simple feature collection with 6 features and 4 fields
## geometry type:  MULTIPOLYGON
## dimension:      XY
## bbox:           xmin: -58.4627 ymin: -34.6625 xmax: -58.33514 ymax: -34.56935
## CRS:            4326
##                                                                        barrios
## 1 CONSTITUCION - MONSERRAT - PUERTO MADERO -  RETIRO - SAN NICOLAS - SAN TELMO
## 2                                                                     RECOLETA
## 3                                                    BALVANERA - SAN CRISTOBAL
## 4                           BARRACAS - BOCA - NUEVA POMPEYA - PARQUE PATRICIOS
## 5                                                              ALMAGRO - BOEDO
## 6                                                                    CABALLITO
##   perimetro     area comunas                       geometry
## 1  35572.65 17802807       1 MULTIPOLYGON (((-58.36854 -...
## 2  21246.61  6140873       2 MULTIPOLYGON (((-58.39521 -...
## 3  10486.26  6385991       3 MULTIPOLYGON (((-58.41192 -...
## 4  36277.44 21701236       4 MULTIPOLYGON (((-58.3552 -3...
## 5  12323.47  6660526       5 MULTIPOLYGON (((-58.41287 -...
## 6  10990.96  6851029       6 MULTIPOLYGON (((-58.43061 -...

semaforizados<- semaforizados %>% 
    filter(!is.na(lat), !is.na(long)) %>% 
    st_as_sf(coords = c("long", "lat"), crs = 4326)

semaforizados_comunas<- st_join(semaforizados, comunas)

## although coordinates are longitude/latitude, st_intersects assumes that they are planar
## although coordinates are longitude/latitude, st_intersects assumes that they are planar

semaforizados_comunas %>% 
    group_by(comunas) %>% 
    summarise(cantidad = n())

## Simple feature collection with 15 features and 2 fields
## geometry type:  MULTIPOINT
## dimension:      XY
## bbox:           xmin: -58.52929 ymin: -34.69513 xmax: -58.35642 ymax: -34.53503
## CRS:            EPSG:4326
## # A tibble: 15 x 3
##    comunas cantidad                                                     geometry
##  * <fct>      <int>                                             <MULTIPOINT [°]>
##  1 1            592 ((-58.39277 -34.6008), (-58.39219 -34.60563), (-58.39195 -3~
##  2 10           171 ((-58.52929 -34.61721), (-58.52894 -34.6252), (-58.52823 -3~
##  3 11           219 ((-58.52735 -34.61238), (-58.52654 -34.61298), (-58.5251 -3~
##  4 12           259 ((-58.51268 -34.57923), (-58.5125 -34.58111), (-58.51116 -3~
##  5 13           270 ((-58.47542 -34.53933), (-58.4749 -34.53995), (-58.47431 -3~
##  6 14           319 ((-58.44809 -34.56831), (-58.44458 -34.58464), (-58.44444 -~
##  7 15           277 ((-58.50181 -34.59508), (-58.50088 -34.59453), (-58.50073 -~
##  8 2            216 ((-58.41599 -34.59785), (-58.41503 -34.59559), (-58.41463 -~
##  9 3            312 ((-58.41457 -34.60936), (-58.41446 -34.61072), (-58.41393 -~
## 10 4            303 ((-58.43208 -34.64516), (-58.4311 -34.64591), (-58.43087 -3~
## 11 5            238 ((-58.43232 -34.60393), (-58.43107 -34.60215), (-58.4306 -3~
## 12 6            189 ((-58.46154 -34.60663), (-58.46108 -34.61064), (-58.46057 -~
## 13 7            255 ((-58.47547 -34.62744), (-58.47436 -34.62716), (-58.47392 -~
## 14 8            132 ((-58.49671 -34.67366), (-58.49089 -34.6755), (-58.48938 -3~
## 15 9            188 ((-58.52772 -34.63924), (-58.52644 -34.63913), (-58.52563 -~

comunas_semaforizadas<- semaforizados_comunas %>%
  filter(!is.na(comunas)) %>%
  group_by(comunas) %>%
  summarise(cantidad=n())
head(comunas_semaforizadas)

## Simple feature collection with 6 features and 2 fields
## geometry type:  MULTIPOINT
## dimension:      XY
## bbox:           xmin: -58.52929 ymin: -34.64581 xmax: -58.35642 ymax: -34.53503
## CRS:            EPSG:4326
## # A tibble: 6 x 3
##   comunas cantidad                                                      geometry
##   <fct>      <int>                                              <MULTIPOINT [°]>
## 1 1            592 ((-58.39277 -34.6008), (-58.39219 -34.60563), (-58.39195 -34~
## 2 10           171 ((-58.52929 -34.61721), (-58.52894 -34.6252), (-58.52823 -34~
## 3 11           219 ((-58.52735 -34.61238), (-58.52654 -34.61298), (-58.5251 -34~
## 4 12           259 ((-58.51268 -34.57923), (-58.5125 -34.58111), (-58.51116 -34~
## 5 13           270 ((-58.47542 -34.53933), (-58.4749 -34.53995), (-58.47431 -34~
## 6 14           319 ((-58.44809 -34.56831), (-58.44458 -34.58464), (-58.44444 -3~

comunas_semaforizadas <- st_set_geometry (comunas_semaforizadas, NULL)

comunas <- left_join(comunas, comunas_semaforizadas)

## Joining, by = "comunas"

ggplot() +
  geom_sf(data = comunas, aes(fill=( cantidad /area)*10000)) +
  geom_sf_text(data=comunas, aes(label = comunas), size=2.5, colour = "black")+
    labs(title = "Cantidad de cruces semafóricos por Comuna en relación al área",
         subtitle = "Ciudad Autónoma de Buenos Aires, 2020",
         fill = "Cantidad por ha ",
         caption= "Fuente: portal de datos abiertos de la Ciudad - http://data.buenosaires.gob.ar",
         y="",
         x="") +
  scale_fill_viridis_c()

## Warning in st_point_on_surface.sfc(sf::st_zm(x)): st_point_on_surface may not
## give correct results for longitude/latitude data

cantidad_intersecciones <- read.csv("D:/Documents/01-Ditella/Ciencia de Datos2/Clase 1/cantidad_intersecciones33.csv",stringsAsFactors = FALSE, encoding = "UTF-8") %>% 
    mutate(comunas = as.character  (comunas)) %>% 
group_by(comunas) %>% 
summarise(Total_intersecciones=sum(Cantidad)) 
  


cantidad_intersecciones

## # A tibble: 15 x 2
##    comunas Total_intersecciones
##    <chr>                  <int>
##  1 1                       1425
##  2 10                       819
##  3 11                       490
##  4 12                       585
##  5 13                       581
##  6 14                       200
##  7 15                       903
##  8 2                        134
##  9 3                        270
## 10 4                        518
## 11 5                        204
## 12 6                        139
## 13 7                        301
## 14 8                        360
## 15 9                        394

comunas <- left_join(comunas, cantidad_intersecciones)

## Joining, by = "comunas"

## Warning: Column `comunas` joining factor and character vector, coercing into
## character vector

ggplot() +
  geom_sf(data = comunas, aes(fill=(cantidad / Total_intersecciones) )) +
  geom_sf_text(data=comunas, aes(label = comunas), size=2.5, colour = "black")+
    labs(title = "Cantidad de cruces semafóricos por Comuna en relación a la cantidad de cruces",
         subtitle = "Ciudad Autónoma de Buenos Aires, 2020",
         fill = "Cantidad ",
         caption= "Fuente: portal de datos abiertos de la Ciudad - http://data.buenosaires.gob.ar/ Libro:BA CAMINA-ANEXO, Cantidad de Cruces",
         y="",
         x="") +
  scale_fill_viridis_c()

## Warning in st_point_on_surface.sfc(sf::st_zm(x)): st_point_on_surface may not
## give correct results for longitude/latitude data

Entrega TP 1 (Ciencia de Datos 2)

Lavezzolo

22/4/2020

Trabajo Práctico N°1: “Geoprocesamiento”

El csv descargado y con el que vamos a trabajar es el de “Cruces Semaforizados”

Geolocalización de los Cruces semaforizados

El error que se visualiza en el gráfico para mostrar en orden descendente los barrios, tiene que ver porque algunos de los mismos presentan cruces semafóricos en dos comunas.